shi_xx

Any suggestions for optimization？

2

any suggestions for optimization? 1. Speed up the reasoning 2. improve the accuracy of segmentation details thx!

导出的量化模型目前没法load，会报错

1

报错信息： [ERROR] Exported quantized model can not be loaded, only deployment is supported. 来源应该是这里吧： https://github.com/PaddlePaddle/PaddleX/blob/07ceb75823fd9d4eb1aa9e5fd93ab636e801507c/paddlex/cv/models/load_model.py#L117

bug in dml_csr

4

https://github.com/deepinsight/insightface/blob/e78eee59caff3515a4db467976cf6293aba55035/parsing/dml_csr/dataset/datasets.py#L179 return 的结果缺少 semantic_edges？ https://github.com/deepinsight/insightface/blob/e78eee59caff3515a4db467976cf6293aba55035/parsing/dml_csr/train.py#L302 这里最后的 _ 应该是meta 吧 缺少了semantic_edges，可以描述下怎么生成的吗？ 谢谢

https://github.com/chenjun2hao/DDRNet.pytorch/blob/bc0e193e87ead839dbc715c48e6bfb059cf21b27/lib/utils/utils.py#L35 "and" should be "or"

## Change _Choose one_ - Bugfix - New feature - Chore - Tests - Refactoring ## Description of changes _Please describe your changes_ ## Screenshots _Please include screenshots for new...

26是否可以替换成其他更小数值

2

看res2net的layer1部分：26*4 = 104 ==conv1x1==> 256 想减小通道数，把256 改成 64 请问，可以把26改成13，或者更小吗？会有什么不好的影响吗 比如下面： ① 13*4 = 52 ==conv1x1==> 64 ② 7*4 = 28 ==conv1x1==> 64 谢谢

Detail 模块中关注的是边缘细节，线条居多 dice loss 对 area 效果更好些，用在 detail 模块是否合适？ 目测 dice loss 的波动比较大，改成其他 boundary aware loss 是否会更好？

I am unable to change the place by dbclick??

训练结果离预期有差距

1

您好，用 AGRNet 在 celebahqmask 上跑了几十个epoch后，遇到些问题，请教下： 1. pred_edge 的效果跟 label 比起来，相差太多（参考图片） 2. 测试图片时，一般虚化背景会比较好，如果背景干扰一多，对解析的结果影响蛮大 3. 小目标（比如人眼等）结果有点糟糕 请问，是训练问题吗，还是模型本身的限制？有什么优化办法吗？ 谢谢！ 

字符少了几个大些字母？？？

2

rt. 少了几个大写字母，VXYZ